Yapay zeka artık hayatımızın neredeyse her alanında karşımıza çıkıyor. Peki her geçen gün daha geniş bir kullanım alanına ulaşan bu kavramın tarihi arka planında neler yatıyor. Bu yazıda geçmişden günümüze yapay zeka tarihi ile ilgili özet bilgilere yer vereceğiz. İşte insanlığın teknolojide geldiği en önemli noktalardan biri olan yapay zeka teknolojilerinin tarihi.
Yapay Zeka tarihi
Bilgisayar bilimcileri, yapay zekanın ilk dönemlerinde, insan zekasına sahip makinalar yaratmaya çalıştılar. Makinaların insan gibi düşünebildiği fikrine dayanan bu tip bir yapay zekaya şaşırtıcı olmayan anlaşılabilirlik adı verildi. Buna göre anlaşılabilirliğe sahip bir bilgisayar, insan zihninin nasıl çalıştığını, nasıl karar verdiğini nasıl yargıladığını veya nasıl algıladığını keşfetmek için kullanılabilecekti.
Anlaşılabilirlik üzerine yapılan erken araştırmalar, gerçek dünyanın çeşitli parçalarını ve insan zihnini bilgisayara modellemeye odaklandı. Araştırmacılar tarafından bu amaçla yapılan deneylerin 60 yıl önce başladığını söylersek durumun ne kadar ilginç olduğu anlaşılacaktır.
İlk modellemeler, sonuca varmak için tümdengelime dayanan akıl yürütmeye odaklandı. Bu türün en eski ve en iyi bilinen yapay zeka programlarından biri, 1956’da bir insanın problem çözme becerilerini taklit etmek için yazılan Logic Theorist idi. Logic Theorist, Principia Mathematica‘nın ikinci bölümünde yer alan ilk 52 teoremden 38’ini kanıtladı ve bu süreçte yeni bir de teorem geliştirdi. Logic Theorist ilk defa, yaratıcılık gerektirdiği düşünülen görevlerin yapay zekaya sahip bir makine tarafından yerine getirilebileceğini gösterdi.
Ardından gelen araştırmalar farklı bir düşünme türüne, tümevarımsal akıl yürütmeye yöneldi. Araştırmacılar, kimya bilgilerini kullanarak organik molekülleri tanımlamalarına yardımcı olan bilişsel bir model oluşturdular. The Dendral isimli bu program, yapay zekanın ikinci özelliğinin gerçek örneğiydi.
The Dendral pek çok açıdan benzersizdi, çünkü bilişsel modelin yanı sıra bilim adamlarının bilgisini ele alan bir if / then kuralını işleyen ilk bilgi tabanını da içeriyordu. Bu bilgi formuna daha sonra ‘uzman sistem’ adı verildi.
The Dendral ile başlayan tartışmalar yapay zeka topluluğunda büyük bir paradigma değişikliğine yol açtı. Bilgi mühendisliği, uzman sistemi kullanarak insan uzmanlığının belirli alanlarını modellemek için bir disiplin olarak ortaya çıktı. Ve bu şekilde oluşturulan sistemler beklenenden çok daha yüksek bir performansı performans sağladı. Dikkate değer bu başarı, yapay zeka çevreleri başta olmak üzere pek çok çevrede büyük bir coşkuya sebep oldu.
Uzman sistemler ticari olarak başarılı hale geldikçe, araştırmacılar dikkatlerini bu sistemleri modelleme ve sorunlu alanlarını gidermeye çevirdiler. Araştırmacılar ayrıca ‘üretim kuralları’ olarak bilinen bir yüklem mantığı oluşturarak, sistemlerin bazı şeyleri otomatik olarak öğrenebileceklerini keşfettiler. Yani sistemler, ek verilere dayanarak, performanslarını artırmak için yeni kurallar oluşturabilir hale geldiler.
Uzman sistemler kadar heyecan verici olan bu gelişme bazı problemleri de beraberinde getiriyordu. Zira sistemler yalnızca belirli bir problem alanı ile sınırlı kalabildiler. Ve birden fazla akla yatkın alternatifleri bir birinden ayırt edemediler. Bu sorunların bazılarını ele alan araştırmacılar, belirli bir gerçeğin ne kadar doğru olduğunu gösteren sayısal değerler eklediler.
Yapay zekadaki ikinci paradigma değişikliğinin başlaması ile birlikte, araştırmacılar, kesin faktörlerin istatistiksel modellere sarılabileceğini fark ettiler. Bu noktadan itibaren, yapay zeka, giderek makine öğrenimi tarafından yönetilmeye başlandı.
Yine de bir sorun vardı. Zira makine öğrenme teknikleri, doğru sonuçlar vermesine rağmen, neredeyse anlaşılmaz bir kara kutu gibiydi. Anlaşılır çıktılar olmadan, makine öğrenme modelleri, geleneksel modellere göre daha az yararlı oluyordu.
Örnek vermek gerekirse, geleneksel bir yapay zeka modelinde uygulayıcı aşağıdaki soruları sorabilir:
- Model neden bu hatayı yaptı?
- Model taraflı mı?
- Mevzuata uygunluk gösterebilir miyiz?
- Model neden bir alan uzmanıyla aynı fikirde değil?
Anlaşılabilirlik eksikliğinin geliştirme çalışmaları üzerinde de etkileri bulunuyor. Zira bir model hata verdiğinde ve nedenini açıklayamadığında, düzeltme işlemi oldukça zorlaşıyor. Bu sebepten ötürü, makine öğrenimi modellerini açıklayabilme yeteneği, yapay zeka biliminde katedilebilecek bir sonraki büyük kilometre taşı olarak ortaya çıkıyor.
Tarih tekerrür ediyor. Zira erken yapay zeka araştırmacılarının karşılaştığı üç ana konu – bilgi, açıklama ve esneklik – aynı zamanda makine öğrenim sistemleri hakkındaki çağdaş tartışmaların da merkezinde yer alıyor. Yapay zeka tarihi bundan sonra nasıl bir seyir izleyecek bilinmiyor. Fakat geçmişimiz bizlere, insanoğlunun daha önce yaptığı gibi bu konuda da karşısına çıkacak yeni engelleri aşacağını gösteriyor.
